TI单芯片毫米波雷达代码走读（二十五）—— 角度维（3D）处理流程

手把手教你用MATLAB处理TI毫米波雷达原始数据（从.bin文件到3D点云）

本文详细介绍了如何使用MATLAB处理TI毫米波雷达的原始.bin文件，并将其转换为3D点云。从二进制结构解析、三维FFT处理链到可视化调试技巧，逐步拆解数据处理全流程，帮助开发者掌握毫米波雷达数据处理的核心技术，适用于自动驾驶和工业传感应用。

TI毫米波雷达bin数据到3D点云：MATLAB处理全流程解析

毫米波雷达凭借其对光照、雨雾不敏感以及可直接测速的优势，已广泛应用于车载感知、工业检测和生命体征监测等领域。其核心原理基于FMCW调频连续波，通过混频得到中频信号并经ADC采样形成复数原始数据。这类信号无法直接可视化，需要经过一系列信号处理才能转化为可用的空间信息。在工程实践中，常利用MATLAB对TI雷达（如IWR1443、AWR1843）通过DCA1000采集的bin文件进行解析，其中涉及复数据读取、矩阵重排、距离FFT、多普勒FFT、CFAR恒虚警检测以及角度估计等关键步骤。这些操作共同构成了从原始A

4D毫米波雷达Radar

4D毫米波雷达Radar 概述 全球前四大的毫米波雷达供应商被称为“ABCD”，即 Autoliv（美安）、Bosch（博世）、Continental（大陆）和 Delphi（德尔福）。 除了全天候和低成本的优势，传统毫米波雷达也有局限性，比如无法点云成像，精度低。 传统毫米波雷达通过测量目标的距离和角度得出2D平面坐标以及速度，没有高度坐标，因此可以简单理解为平面雷达。一般应用情况下，做AEB、ACC等应用功能是够用的。 4D雷达就是能测量目标物体的3D坐标+1D速度。 傲酷雷达（Oculii）在全球首创

【TI毫米波雷达入门-1】IWR6843LEVM开箱实验

使用参考：file:///C:/ti/radar_toolbox_1_20_00_11/tools/visualizers/Industrial_Visualizer/docs/mmWave_Industrial_Visualizer_User_Guide.html。演示如何使用TI毫米波传感器跟踪和计数移动和静止的人，传感器模块定位在侧安装配置中（例如在墙上）。使用来自TI毫米波传感器的范围、速度和角度数据，在物体或人进入或离开感兴趣的可配置区域时进行检测。演示了使用TI毫米波传感器检测移动平台的障碍。

不只是原理：拆解TI毫米波雷达Demo中的3D FFT（距离-速度-角度）代码实现

本文深入解析TI毫米波雷达Demo中的3D FFT代码实现，从FMCW雷达原理到实际应用，详细拆解距离-速度-角度三维信号处理的全过程。通过分析TI官方Demo代码，揭示虚拟天线阵列构建、实时性优化技巧及点云生成等关键技术，帮助开发者掌握毫米波雷达信号处理的核心实现。

TI毫米波雷达bin文件转3D点云：从ADC原始数据到CFAR检测全流程解析

毫米波雷达作为自动驾驶与机器人感知中的核心传感器，能够在雨雾等恶劣环境下稳定工作。其信号处理原理基于FMCW技术，通过对ADC原始数据执行距离FFT、多普勒FFT等操作，提取目标的距离、速度和角度信息。在工程实践中，TI毫米波雷达配合DCA1000采集卡得到的bin文件，是一串未经处理的I/Q采样点，需要开发者自行完成从原始数据到3D点云的完整链路。文章围绕这一过程，详细讲解bin文件的排列格式、距离-多普勒图生成、角度估计以及CFAR检测的实现方法，并分享了MATLAB处理中的常见踩坑与排查技巧，为感知算

FMCW雷达3D点云处理全流程：从ADC数据到坐标映射的MATLAB实现

毫米波雷达点云技术是智能感知与自动驾驶领域的关键基础，其核心在于通过调频连续波（FMCW）信号处理，从原始ADC数据中提取目标距离、速度与角度信息。理解测距、测速、测角的基本原理，并掌握距离FFT、多普勒FFT、CFAR检测和数字波束成形等经典算法，是工程落地的必备技能。这类技术广泛应用于车载感知、室内人员监测和安防监控等场景，能够为环境建模与目标跟踪提供稳定的三维空间数据。本文围绕FMCW雷达3D点云生成的完整链路，以MATLAB为工具，详细拆解从波形参数设计、数据读取、二维FFT、恒虚警检测到坐标映射的

从零实现3D-FFT雷达信号处理：MATLAB实战与多维度参数解析

本文详细介绍了如何从零实现3D-FFT雷达信号处理，涵盖测距、测速和测角等多维度参数解析。通过MATLAB实战演示，逐步构建完整的3D-FFT处理流程，并深入探讨算法优化与性能提升技巧，适用于汽车雷达、无人机避障等应用场景。

手把手教你用MATLAB解析TI毫米波雷达原始bin文件（附完整代码与数据）

本文详细介绍了如何使用MATLAB解析TI毫米波雷达的原始bin文件，包括数据读取、复数信号解析和三维矩阵重组等关键步骤。通过完整的代码示例和实战技巧，帮助工程师快速掌握毫米波雷达数据处理的核心技术，特别适用于自动驾驶和工业传感应用。

TI单芯片毫米波雷达代码走读（二十六）—— 角度维（3D）处理之 DFT

3D处理前的DFT

毫米波雷达3-三个FFT(距离，速度，角度)

在快时间维度，即使一个移动的物体，我们也可以看作不动，那么对于快时间维度进行FFT就可以得到距离。在这个过程中，复数信号数据的实部和虚部被视为同相分量（I）和正交分量（Q），它们可以用来表示信号的振幅和相位。不同的天线之间本就有一定的相位差，就引起了不同的尖峰，那么实际上这代表了不同方向产生的“频率分量”，综合所有的方向的“频率分量”，第三维的FFT终于就给了我们目标角度的信息。我们在慢时间进行FFT的时候，物体可以看作移动了，这时我们提取2维fft中携带的相位（多普勒）信息就可以获得物体的速度了。

TI单芯片毫米波雷达1642代码走读（〇）——总纲

前言 近年来，自动驾驶行业发展如火如荼，雷达技术也逐渐从军工封闭圈走向了开放的市场。 毫米波雷达具有全天候探测能力，特别是在雨雪雾天气以及夜间都能可靠工作，并且探测距离相对其他车载传感器非常远，对运动目标非常敏感，价格还低廉，这些特性都使其成为自动驾驶感知层面不可或缺的一环。 现如今的雷达已经不仅仅局限于测距测速测角等传统的功能，雷达技术正在从感知走向认知、从宽带走向超宽带、从二维走向三维四维、从相控阵走向数字阵列、从单通道走向MIMO、从独立工作走向分布式协同、从分立组件走向射频数字一体化。MIMO

TI单芯片毫米波雷达代码走读（二十七）—— 角度维（3D）处理之通道间幅相一致性补偿

在实际工程中，由于各接收通道的射频、ADC等器件特性的不一致，以及硬件链路和温度变化的影响，会导致幅度、相位、采样时延的偏差。书接上回，我们知晓了3D处理的主要流程，相信大家都已理解基本的原理。因此需要对MIMO雷达的各通道的幅相进行一定的测量、标定和补偿，以使各通道幅相基准趋于一致，是各通道信号达到应有的品质，尽可能达到理想仿真的结果。第一个函数MmwDemo_addDopplerCompensation()是用于解速度模糊的，我们暂时跳过他，讲完3D处理流程再回来看他。并且每个通道的幅相值都不一样。

STorM BGC V1.31硬件+SimpleBGC固件：从零搭建三轴云台开发环境（Keil+JLink避坑指南）

本文详细介绍了如何从零搭建STorM BGC V1.31硬件+SimpleBGC固件的三轴云台开发环境，涵盖硬件连接、Keil+JLink开发工具配置、固件编译与烧录等关键步骤，并提供了常见问题的解决方案和调试技巧，帮助开发者快速上手三轴云台开发。

Synology-群晖（三）DSM7.0系统Video Station无法播放DTS eac3解决方案

群晖升级DSM7.0后，发现部分DTS eac3解码的视频无法通过Vedio Station 3.0.1-2067进行播放，提示不支持该格式视频，初步判断是无法加载ffmpeg解码导致，网上搜了很多处理办法都没有办法解决，最终在知乎上看到一片文章，按此办法解决了这个问题，目前经过验证,该方案完美支持最新版本Video Station 3.0.1-2067，验证系统为DSM7.0和DSM7.0.1，这里使用的NAS为 Vmware虚拟机 黑群晖 演示。大概步骤如下： 添加这个社群来源 http://p

学Simulink--基于多能源系统协同与能源互联网的电网系统场景实例：风光氢储一体化系统的能量管理与调度仿真

在全球“双碳”目标驱动下，高比例可再生能源并网成为电网发展的核心方向。然而，风电与光伏具有强随机性与间歇性，给电网稳定运行带来巨大挑战。风光氢储一体化系统（Wind-Solar-Hydrogen-Storage Integrated System）通过将可再生能源发电电解水制氢氢气储存与燃料电池发电有机结合，构建了一个长时储能与能量形态转换的闭环系统，是实现能源互联网与零碳电力系统的关键路径。✅平抑波动：氢储能可实现跨天、跨周储能✅能量转化：电→氢→电/热/交通燃料，实现多能互补✅长时储能。

为什么reg2cgate的setup难以满足？

从图上我们可以看出，clock gate的clock latency是delay1，reg1的clock latency是delay1+delay2，可以明显的看出，reg2cgate的setup，其launch clock path delay天生是要比capture clock path delay要多delay2的，因此其setup相对于reg2reg是不好满足的。因此，在数字后端脚本、flow上比较擅长，大家如果有相关的问题，可以提供答疑咨询服务。因此，能够让我们去处理的就是delay2的值。

32、生物信息学中的符号、缩写及相关概念解析

本文详细解析了生物信息学中常用的符号、缩写及相关概念，涵盖概率理论、函数表示、模型结构、图与集合、维度参数、神经网络、隐藏马尔可夫模型、双向架构、语法系统、系统发育树、微阵列分析以及核方法与支持向量机等多个领域。通过表格和mermaid流程图的形式，系统梳理了各类符号的定义与应用场景，并介绍了常见缩写的全称与意义。文章旨在帮助研究人员准确理解生物信息学中的基础术语，提升对基因表达分析、序列建模、机器学习等技术的理解与应用能力。

Android 12 系统横屏时，开机动画有两秒显示不全

平板系统默认横屏时，开机会旋转90度，显示的分辨率WxH，会变成HxW.但又会很快被SurfaceFlinger的SurfaceFlinger::processDisplayChanged 娇正。所以为了保险，可以在开机动画没结束之前，禁止旋转事件。在Android 12 产品定制化开发中，由于系统默认方向为竖屏，平板电脑要横屏显示。系统在开机时，有时因为旋转，会出现动画只显示一部分。

【YOLOv8-pose姿态识别部署至RK3588：模型训练到RKNN落地，让人体姿态分析精度与边缘推理速度双突破】

本教程从YOLOv8-pose模型的姿态识别训练，到RK3588的边缘量化部署，为你打造了一套“高精度+高实时性+低成本”的人体姿态分析解决方案。无论是健身动作纠正、智能安防行为检测，还是工业人员姿态监控，这套技术都能直接复用——你只需替换数据集与业务逻辑，即可快速落地专属的边缘AI姿态识别系统。如果你在实践中遇到任何卡点，欢迎随时交流。记住，人体姿态识别的价值在于“关键点准、推理快、部署易”，而这三者的平衡，正是你通过本教程能掌握的核心能力。

YOLOv8独家原创改进：原创自研 | 自研独家创新DSAM注意力 ，基于BiLevelRoutingAttention注意力升级

提出新颖的注意力DSAM（Deformable Bi-level SpatialAttention Module），创新度极佳，适合科研创新，效果秒杀CBAM，Channel Attention+Spartial Attention升级为新颖的Deformable Bi-level Attention+Spartial Attention

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具，可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder